mcpField
H
holoscan-install-container

holoscan-install-container

github.com/nvidia开发3.8k1.8k 次安装今天更新
代码仓库

关于 holoscan-install-container

holoscan-install-container 是用于在开发容器中安装和验证 Holoscan SDK 5.x 的技能，面向需要容器化 C++ 与 Python SDK 环境的开发者。它要求先确认目标版本、镜像发布状态和主机支持，再按授权拉取并检查镜像。

主要功能

  1. 01核对 5.x 版本与平台要求
  2. 02确认精确镜像标签已发布
  3. 03拉取并检查镜像身份信息
  4. 04验证 SDK 与 Python API
  5. 05运行 Core 示例进行基础检查

适用场景

  1. 01为 Holoscan 开发准备容器环境
  2. 02检查已发布镜像中的 SDK 安装
  3. 03验证基础示例与 Python API

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/nvidia/skills --skill holoscan-install-container

安装后在 Claude Code 中输入/holoscan-install-container确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

BENCHMARK.md
skill-card.md
skill.oms.sig
evals/
evals.json

详细介绍

Holoscan 5.x 开发容器

1. 检查发行版和平台

此技能面向 Holoscan SDK 5.x。选择所需的 5.x 发行版，然后再 选择制品。阅读该版本的发行说明和对应的 SDK 安装指南。 选择 5.x 文档版本；未指定版本的页面可能介绍的是 4.x。 对于尚未发布的代码检出，请使用其 docs/sdk_installation.mdx 和 DEVELOP.md。 Early Access 二进制命令描述的是计划中的制品，因此安装前请确认对应发行版的制品 是否已发布。如果尚未发布，请说明这一状态并提供 holoscan-install-source； 保留所需的 5.x 版本。

5.0 制品集面向 CUDA 13 和 x86_64 或 arm64 架构的独立 GPU 系统。 原生软件包使用 Ubuntu 24.04；Wheel 使用 glibc 2.39 和常规 CPython 3.12–3.14。请检查所选发行版是否对该矩阵有所更改。此制品集中没有 CUDA 12 变体，也没有单独的 Tegra/iGPU 制品。若驱动报告支持 CUDA 12， 在安装 CUDA 13 之前，需要评估兼容性或升级驱动；nvidia-smi 的 CUDA 字段表示 驱动的能力，而非已安装的工具包版本。切勿仅凭该字段推断兼容性。

2. 选择并拉取镜像

检查 Linux 架构、GPU 型号、驱动、Docker 和 NVIDIA Container Toolkit。计划中的镜像是一个支持 amd64/arm64 多架构的独立 GPU 镜像： nvcr.io/nvidia/clara-holoscan/holoscan:v<SDK_VERSION>-cuda13。 请查看 NGC 目录 和发行说明，确认确切发布的标签及支持的主机。此 5.x 工作流没有 cuda12-dgpu 或 cuda12-igpu 标签。GPU 直通测试可能会拉取镜像；如有需要， 运行前请说明下载情况。

在用户授权的安装范围内使用确切发布的标签。 如果方法和发行版已经确定，请按该选择继续。 只有在缺少发行版或主机信息、无法安全选择时才询问。 对于仅要求计划的请求，只返回命令，不拉取或运行镜像：

# SDK_VERSION is the exact published 5.x tag version from the release notes.
IMAGE="nvcr.io/nvidia/clara-holoscan/holoscan:v${SDK_VERSION}-cuda13"
docker pull "$IMAGE"
docker image inspect --format 'ID={{.Id}} RepoDigests={{json .RepoDigests}}' "$IMAGE"
docker run --rm --gpus all "$IMAGE" nvidia-smi

记录检查所得的镜像 ID 和仓库摘要，以便在最终报告中列出。 如果没有可用的仓库摘要，请报告镜像 ID，并说明这一限制。

开发镜像包含安装在 /usr 下的 C++ 和 Python SDK、 全部三个可选模块、示例以及 RacerX 数据。它与由 ./run 管理的 源码构建容器不同。

3. 验证已安装的 SDK

首先运行范围受限的 Core 示例并探索 Python API。应定位示例，而不是假定使用 4.x 的 /opt/nvidia/holoscan 布局或固定的多架构库目录：

docker run --rm --gpus all "$IMAGE" bash -eu -c '
  example=$(find /usr/lib -type f -path "*/holoscan/examples/hello_world/cpp/hello_world" -print -quit)
  test -n "$example"
  "$example"
  python3 -c "import holoscan as hs; print(hs.__version__); print(hs.RealtimeClock); print(len(hs.registry.operators()))"
'

预期输出为 Hello Holoscan!、所需的 5.x 版本，并且 API 访问成功。 如果存在已安装的 first_pipeline/python/first_pipeline.py 示例，请运行它以覆盖图执行。 在添加模块/GPU 测试前，请检查该发行版已安装的示例目录和 README；仅导入 Core 并不能 证明 Vision、Visualization、Inference、图形或摄像头支持可用。

4. 报告结果并复用镜像

docker run --rm -it --gpus all "$IMAGE" bash

根据应用需要，为用户项目或设备添加挂载。 对于 GUI 工作负载，请遵循所选发行版的显示/图形说明； 初始验证应独立于显示设备和数据集。

  • GPU 直通失败：检查主机驱动和 Container Toolkit 设置。
  • 缺少标签：报告发布状态并提供源码方案；保留 5.x 目标版本。
  • 缺少示例或 Python 组件：检查已拉取镜像的标签/摘要； 确认它是所选发行版的开发镜像。

报告镜像标签/摘要、架构、SDK 版本、已运行的测试，以及跳过的 硬件或模块检查。

评论

支持 Markdown